基于IPSO-LSTM组合模型的城市轨道交通短时客流预测

摘要：

准确的短时客流预测能够为城市轨道交通的良好运营提供保障,为提高预测的精度,提出将IPSO算法和LSTM模型进行组合,构建城市轨道交通短时客流预测模型.针对PSO算法不能很好地区分全局搜索和局部搜索,易陷入局部极值的问题,引入自适应变化的惯性权重和时间因子,动态调整粒子的移动步长,提高PSO算法全局搜索的能力;借鉴遗传算法中的变异机制,引入自适应变异函数,使PSO算法具有跳出局部范围的能力.利用IPSO算法对LSTM模型的迭代次数、学习率和隐含层的神经元个数进行寻优,构建IPSO-LSTM组合预测模型,对城市轨道交通短时客流进行预测,并与BP,LSTM,PSO-LSTM共3种短时客流预测模型进行对比,在针对工作日和非工作日客流的预测中,结果显示IPSO-LSTM模型的预测误差最小,具有较好的预测效果.

关键词：城市轨道交通、短时客流预测、改进粒子群算法、长短时记忆神经网络、组合模型

所属期刊栏目：44

分类号：U121(城市交通运输)

资助基金：中央引导地方科技发展资金项目;河北省引进国外智力项目;石家庄市科学技术研究与发展计划项目

在线出版日期：2022-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：123-130